一种倾转旋翼无人机状态空间模型辨识方法技术

本发明专利技术公开了一种倾转旋翼无人机状态空间模型辨识方法，基于倾转旋翼无人机试验数据，通过频域辨识，建立倾转旋翼无人机的状态空间模型，并通过对模型参数精确度进行分析以对模型结构进行优化，从而提高模型的精确度和可靠性，增强模型的鲁棒性。为了使模型的辨识结果能够更好地匹配频率响应数据，需要对辨识参数精确度或相对置信度指标进行分析，以便改进模型结构，通过模型优化使得辨识得到的模型在满足输入输出最大拟合的基础上没有被过度参数化，从而增加模型的精确度和可靠性。利用上述方法，可以得到倾转旋翼无人机不同飞行模式和飞行状态下的状态空间模型，从而应用于飞行控制系统设计，操纵品质评估和仿真验证。

【技术实现步骤摘要】
一种倾转旋翼无人机状态空间模型辨识方法
本专利技术涉及无人机飞行控制与建模
，尤其涉及一种倾转旋翼无人机状态空间模型辨识方法。
技术介绍
倾转旋翼无人机结合了直升机和固定翼飞机各自的优势，兼具起降要求低和续航能力强的特点。倾转旋翼无人机与传统布局飞行器相比，面临的飞行力学和飞行控制等问题更加复杂，因此，客观准确的数学模型对于研究其飞行动态特性从而进一步研发以及设计飞行控制系统而言非常重要。对于涉及到高阶甚至耦合的复杂MIMO系统，状态空间模型比传递函数模型更能反映MIMO系统内部的动态特性，并且，很多应用中要求MIMO系统辨识的最终结果是状态空间模型，其中，状态空间模型参数包括稳定导数和控制导数，甚至一些物理系统参数，此外，对于很多现代MIMO飞行控制系统的设计方法，如线性二次型调节器(LQR)和状态反馈H∞最优控制或动态逆(NDI)，都是基于状态空间理论，要求得到精确的状态空间模型。现有的状态空间模型辨识方法的研究重点主要在于辨识方法的选择，致力于提高辨识精度和辨识算法收敛的速度。现有的状态空间模型辨识方法虽然能够得到与本文档来自技高网...

【技术保护点】
1.一种倾转旋翼无人机状态空间模型辨识方法，其特征在于，包括如下步骤：/nS1：建立倾转旋翼无人机的运动微分方程；/nS2：将所述运动微分方程转换为状态空间模型，并根据先验知识确定所述状态空间模型的参数初值；/nS3：针对倾转旋翼无人机的飞行特性，设计控制器和辨识方案；/nS4：根据所述辨识方案，在所述控制器控制下进行试飞试验，采集试验数据，从中选取与所述状态空间模型的待辨识参数有关的时间历程数据，将选取的时间历程数据通过线性调节Z变换计算频率响应，对所述频率响应进行处理，生成频率响应数据；/nS5：利用所述频率响应数据，通过优化算法辨识所述状态空间模型的参数；判断所述状态空间模型的单输入单输...

【技术特征摘要】
1.一种倾转旋翼无人机状态空间模型辨识方法，其特征在于，包括如下步骤：
S1：建立倾转旋翼无人机的运动微分方程；
S2：将所述运动微分方程转换为状态空间模型，并根据先验知识确定所述状态空间模型的参数初值；
S3：针对倾转旋翼无人机的飞行特性，设计控制器和辨识方案；
S4：根据所述辨识方案，在所述控制器控制下进行试飞试验，采集试验数据，从中选取与所述状态空间模型的待辨识参数有关的时间历程数据，将选取的时间历程数据通过线性调节Z变换计算频率响应，对所述频率响应进行处理，生成频率响应数据；
S5：利用所述频率响应数据，通过优化算法辨识所述状态空间模型的参数；判断所述状态空间模型的单输入单输出代价函数是否小于或等于第一阈值，且所述状态空间模型的平均代价函数是否小于或等于第二阈值；若是，则执行步骤S6；若否，则返回步骤S2，重复执行步骤S2～步骤S5；
S6：计算待辨识参数的克拉美-劳边界和不敏感度，判断待辨识参数的克拉美-劳边界是否小于或等于第三阈值，且待辨识参数的不敏感度是否小于或等于第四阈值；若是，则结束操作，辨识出参数，得到状态空间模型；若否，则执行步骤S7；
S7：移除具有最大不敏感度的参数，返回步骤S5，重新进行辨识和判断；若所述状态空间模型的单输入单输出代价函数大于第一阈值，且所述状态空间模型的平均代价函数大于第二阈值，则将移除的参数重新插入所述状态空间模型，执行步骤S8；若所述状态空间模型的单输入单输出代价函数小于或等于第一阈值，且所述状态空间模型的平均代价函数小于或等于第二阈值，则进一步判断所述状态空间模型的单输入单输出代价函数的变化量是否大于或等于第五阈值，且所述状态空间模型的平均代价函数的变化量是否大于或等于第六阈值，若是，则将移除的参数重新插入所述状态空间模型，执行步骤S8，若否，则返回步骤S6，重新计算剩余参数的克拉美-劳边界和不敏感度，若剩余参数的不敏感度小于或等于第四阈值，则执行步骤S8，若剩余参数的不敏感度大于第四阈值，则返回步骤S7，继续移除具有最大不敏感度的参数；
S8：移除具有最大克拉美-劳边界的参数，返回步骤S5，重新进行辨识和判断；若所述状态空间模型的单输入单输出代价函数大于第一阈值，且所述状态空间模型的平均代价函数大于第二阈值，则将移除的参数重新插入所述状态空间模型，结束操作；若所述状态空间模型的单输入单输出代价函数小于或等于第一阈值，且所述状态空间模型的平均代价函数小于或等于第二阈值，则进一步判断所述状态空间模型的单输入单输出代价函数的变化量是否大于或等于第五阈值，且所述状态空间模型的平均代价函数的变化量是否大于或等于第六阈值，若是，则将移除的参数重新插入所述状态空间模型，结束操作，若否，则返回步骤S6，重新计算剩余参数的克拉美-劳边界和不敏感度，若剩余参数的克拉美-劳边界小于或等于第三阈值，则结束操作，若剩余参数的克拉美-劳边界大于第三阈值，则返回步骤S8，继续移除具有最大克拉美-劳边界的参数。


2.如权利要求1所述的倾转旋翼无人机状态空间模型辨识方法，其特征在于，步骤S3中，辨识方案，具体包括：
在控制空速和短舱倾角保持不变的情况下，分别进行俯仰通道、滚转通道及偏航通道的扫频试验2～3次，待辨识通道称为主通道，其余称为副通道；采用扫频信号作为主通道的输入信号，扫频幅值引起的飞机角度响应范围为-a～a，a的取值范围为5°～15°，频率范围为0.5ωBW≤ω≤2.5ω180，ωBW表示带宽频率，ω180表示相角为-...

【专利技术属性】
技术研发人员：赵江，赵艳琪，蔡志浩，王英勋，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11